如何在C語(yǔ)言中巧用正則表達(dá)式
如果用戶熟悉Linux下的sed、awk、grep或vi，那么對(duì)正則表達(dá)式這一概念肯定不會(huì)陌生。由于它可以極大地簡(jiǎn)化處理字符串時(shí)的復(fù)雜度，因此現(xiàn)在已經(jīng)在許多Linux實(shí)用工具中得到了應(yīng)用。千萬(wàn)不要以為正則表達(dá)式只是Perl、Python、Bash等腳本語(yǔ)言的專利，作為C語(yǔ)言程序員，用戶同樣可以在自己的程序中運(yùn)用正則表達(dá)式。?
標(biāo)準(zhǔn)的C和C++都不支持正則表達(dá)式，但有一些函數(shù)庫(kù)可以輔助C/C++程序員完成這一功能，其中最著名的當(dāng)數(shù)Philip?Hazel的Perl-Compatible?Regular?Expression庫(kù)，許多Linux發(fā)行版本都帶有這個(gè)函數(shù)庫(kù)。?
編譯正則表達(dá)式?
為了提高效率，在將一個(gè)字符串與正則表達(dá)式進(jìn)行比較之前，首先要用regcomp()函數(shù)對(duì)它進(jìn)行編譯，將其轉(zhuǎn)化為regex_t結(jié)構(gòu)：?
int
?regcomp(regex_t?
*
preg,?
const
?
char
?
*
regex,?
int
?cflags);?
參數(shù)regex是一個(gè)字符串，它代表將要被編譯的正則表達(dá)式；參數(shù)preg指向一個(gè)聲明為regex_t的數(shù)據(jù)結(jié)構(gòu)，用來(lái)保存編譯結(jié)果；參數(shù)cflags決定了正則表達(dá)式該如何被處理的細(xì)節(jié)。?
如果函數(shù)regcomp()執(zhí)行成功，并且編譯結(jié)果被正確填充到preg中后，函數(shù)將返回0，任何其它的返回結(jié)果都代表有某種錯(cuò)誤產(chǎn)生。?
匹配正則表達(dá)式?
一旦用regcomp()函數(shù)成功地編譯了正則表達(dá)式，接下來(lái)就可以調(diào)用regexec()函數(shù)完成模式匹配：?
int
?regexec(
const
??regex_t??
*
preg,??
const
??
char
?
*
string
,?size_t?nmatch,regmatch_t?pmatch[],?
int
?eflags);?
typedef?
struct
?
{?
??regoff_t?rm_so;?
??regoff_t?rm_eo;?
}
?regmatch_t;?
參數(shù)preg指向編譯后的正則表達(dá)式，參數(shù)string是將要進(jìn)行匹配的字符串，而參數(shù)nmatch和pmatch則用于把匹配結(jié)果返回給調(diào)用程序，最后一個(gè)參數(shù)eflags決定了匹配的細(xì)節(jié)。?
在調(diào)用函數(shù)regexec()進(jìn)行模式匹配的過(guò)程中，可能在字符串string中會(huì)有多處與給定的正則表達(dá)式相匹配，參數(shù)pmatch就是用來(lái)保存這些匹配位置的，而參數(shù)nmatch則告訴函數(shù)regexec()最多可以把多少個(gè)匹配結(jié)果填充到pmatch數(shù)組中。當(dāng)regexec()函數(shù)成功返回時(shí)，從string+pmatch[0].rm_so到string+pmatch[0].rm_eo是第一個(gè)匹配的字符串，而從string+pmatch[1].rm_so到string+pmatch[1].rm_eo，則是第二個(gè)匹配的字符串，依此類推。?
釋放正則表達(dá)式?
無(wú)論什么時(shí)候，當(dāng)不再需要已經(jīng)編譯過(guò)的正則表達(dá)式時(shí)，都應(yīng)該調(diào)用函數(shù)regfree()將其釋放，以免產(chǎn)生內(nèi)存泄漏。?
void
?regfree(regex_t?
*
preg);?
函數(shù)regfree()不會(huì)返回任何結(jié)果，它僅接收一個(gè)指向regex_t數(shù)據(jù)類型的指針，這是之前調(diào)用regcomp()函數(shù)所得到的編譯結(jié)果。?
如果在程序中針對(duì)同一個(gè)regex_t結(jié)構(gòu)調(diào)用了多次regcomp()函數(shù)，POSIX標(biāo)準(zhǔn)并沒有規(guī)定是否每次都必須調(diào)用regfree()函數(shù)進(jìn)行釋放，但建議每次調(diào)用regcomp()函數(shù)對(duì)正則表達(dá)式進(jìn)行編譯后都調(diào)用一次regfree()函數(shù)，以盡早釋放占用的存儲(chǔ)空間。?
報(bào)告錯(cuò)誤信息?
如果調(diào)用函數(shù)regcomp()或regexec()得到的是一個(gè)非0的返回值，則表明在對(duì)正則表達(dá)式的處理過(guò)程中出現(xiàn)了某種錯(cuò)誤，此時(shí)可以通過(guò)調(diào)用函數(shù)regerror()得到詳細(xì)的錯(cuò)誤信息。?
size_t?regerror(
int
?errcode,?
const
?regex_t?
*
preg,?
char
?
*
errbuf,?size_t?errbuf_size);?
參數(shù)errcode是來(lái)自函數(shù)regcomp()或regexec()的錯(cuò)誤代碼，而參數(shù)preg則是由函數(shù)regcomp()得到的編譯結(jié)果，其目的是把格式化消息所必須的上下文提供給regerror()函數(shù)。在執(zhí)行函數(shù)regerror()時(shí)，將按照參數(shù)errbuf_size指明的最大字節(jié)數(shù)，在errbuf緩沖區(qū)中填入格式化后的錯(cuò)誤信息，同時(shí)返回錯(cuò)誤信息的長(zhǎng)度。?
應(yīng)用正則表達(dá)式?
最后給出一個(gè)具體的實(shí)例，介紹如何在C語(yǔ)言程序中處理正則表達(dá)式。?
#include?
<
stdio.h
>
;?
#include?
<
sys
/
types.h
>
;?
#include?
<
regex.h
>
;?
/**/
/*
?取子串的函數(shù)?
*/
?
static
?
char
*
?substr(
const
?
char
*
str,?unsigned?start,?unsigned?end)?
{?
??unsigned?n?
=
?end?
-
?start;?
??
static
?
char
?stbuf[
256
];?
??strncpy(stbuf,?str?
+
?start,?n);?
??stbuf[n]?
=
?
0
;?
??
return
?stbuf;?
}
?
/**/
/*
?主程序?
*/
?
int
?main(
int
?argc,?
char
**
?argv)?
{?
??
char
?
*
?pattern;?
??
int
?x,?z,?lno?
=
?
0
,?cflags?
=
?
0
;?
??
char
?ebuf[
128
],?lbuf[
256
];?
??regex_t?reg;?
??regmatch_t?pm[
10
];?
??
const
?size_t?nmatch?
=
?
10
;?
??
/**/
/*
?編譯正則表達(dá)式
*/
?
??pattern?
=
?argv[
1
];?
??z?
=
?regcomp(
&
reg,?pattern,?cflags);?
??
if
?(z?
!=
?
0
)
{?
????regerror(z,?
&
reg,?ebuf,?
sizeof
(ebuf));?
????fprintf(stderr,?
"
%s:?pattern?'%s'?\n
"
,?ebuf,?pattern);?
????
return
?
1
;?
??}
?
??
/**/
/*
??逐行處理輸入的數(shù)據(jù)?
*/
?
??
while
(fgets(lbuf,?
sizeof
(lbuf),?stdin))?
{?
????
++
lno;?
????
if
?((z?
=
?strlen(lbuf))?
>
;?
0
?
&&
?lbuf[z
-
1
]?
==
?
'
\n
'
)?
??????lbuf[z?
-
?
1
]?
=
?
0
;?
????
/**/
/*
?對(duì)每一行應(yīng)用正則表達(dá)式進(jìn)行匹配?
*/
?
????z?
=
?regexec(
&
reg,?lbuf,?nmatch,?pm,?
0
);?
????
if
?(z?
==
?REG_NOMATCH)?
continue
;?
????
else
?
if
?(z?
!=
?
0
)?
{?
??????regerror(z,?
&
reg,?ebuf,?
sizeof
(ebuf));?
??????fprintf(stderr,?
"
%s:?regcom('%s')\n
"
,?ebuf,?lbuf);?
??????
return
?
2
;?
????}
?
????
/**/
/*
?輸出處理結(jié)果?
*/
?
????
for
?(x?
=
?
0
;?x?
<
?nmatch?
&&
?pm[x].rm_so?
!=
?
-
1
;?
++
?x)?
{?
??????
if
?(
!
x)?printf(
"
%04d:?%s\n
"
,?lno,?lbuf);?
??????printf(
"
??$%d='%s'\n
"
,?x,?substr(lbuf,?pm[x].rm_so,?pm[x].rm_eo));?
????}
?
??}
?
??
/**/
/*
?釋放正則表達(dá)式??
*/
?
??regfree(
&
reg);?
??
return
?
0
;?
}
?
上述程序負(fù)責(zé)從命令行獲取正則表達(dá)式，然后將其運(yùn)用于從標(biāo)準(zhǔn)輸入得到的每行數(shù)據(jù)，并打印出匹配結(jié)果。執(zhí)行下面的命令可以編譯并執(zhí)行該程序：?
#
??gcc?regexp.c?-o?regexp?
#??./regexp??'regex[a-z]*'?<?regexp.c?
0003
:
?
#
include?<regex.h>;?
??$
0
=
'
regex
'
?
0027
:
???regex_t?reg;?
??$
0
=
'
regex
'
?
0054
:
?????z?
=
?regexec(
&
reg
,
?lbuf
,
?nmatch
,
?pm
,
?
0
);?
??$
0
=
'
regexec
'
?
小結(jié)?
對(duì)那些需要進(jìn)行復(fù)雜數(shù)據(jù)處理的程序來(lái)說(shuō)，正則表達(dá)式無(wú)疑是一個(gè)非常有用的工具。本文重點(diǎn)在于闡述如何在C語(yǔ)言中利用正則表達(dá)式來(lái)簡(jiǎn)化字符串處理，以便在數(shù)據(jù)處理方面能夠獲得與Perl語(yǔ)言類似的靈活性。
posted on 2006-09-23 02:29
Jerry Cat 閱讀(309)
評(píng)論(0) 編輯 收藏 引用